AI大模型开发实战
定价：￥79.00
作者： 唐春明等
出版时间：2025-12-18
出版社：机械工业出版社
- 机械工业出版社
- 9787111797036
- 1-3
- 577663
- 平装
- 2025-12-18
- 411
内容简介
本书系统全面地阐述了大模型应用开发的核心技术体系与实践路径。内容涵盖大模型基础与技术概览、开发环境搭建、提示工程与交互设计、检索增强生成系统、智能体开发体系及多模态应用开发；深入探讨了大模型在金融、医疗、教育等关键行业的落地应用；并系统讲解了模型轻量化与部署优化、系统监控与迭代优化等工程化方法，同时强调了人工智能伦理与合规的重要性，为读者呈现了从技术入门到系统落地的完整知识链。
本书适合对人工智能有浓厚兴趣，有意掌握人工智能大模型开发的技术人员，以及高等院校的师生和相关专业的人员阅读。
本书适合对人工智能有浓厚兴趣，有意掌握人工智能大模型开发的技术人员，以及高等院校的师生和相关专业的人员阅读。
目录
前 言
第1章 人工智能与大模型入门1
1.1 人工智能与大模型发展背景2
1.2 大模型的工作原理3
1.3 大模型发展历程与技术演进4
1.4 常见大模型对比6
1.5 小结7
第2章 大模型应用开发环境与工具链8
2.1 开发环境配置与核心工具链9
2.2 本地化部署方案14
2.3 应用程序接口调用基础17
2.4 小结18
第3章 提示工程与交互设计19
3.1 提示工程的概念与实践20
3.2 动态模板与多风格控制22
3.3 CoT与多步骤推理框架25
3.4 小结28
第4章 检索增强生成（RAG）系统29
4.1 RAG基本原理与架构30
4.2 知识库构建完整流程34
4.3 法律合同审核工具38
4.4 小结42
第5章 智能体开发体系43
5.1 智能体定义与基础架构44
5.2 任务编排框架50
5.3 多智能体协作架构56
5.4 边缘计算轻量化智能体62
5.5 MCP63
5.6 小结69
第6章 多模态应用开发70
6.1 多模态系统基本概念与架构71
6.2 工业质检多模态方案84
6.3 多模态交互界面设计原则88
6.4 小结91
第7章 金融领域应用92
7.1 金融数据分析基础93
7.2 智能投顾系统104
7.3 自动化合规审查108
7.4 小结111
第8章 医疗领域应用112
8.1 医疗数据的概念及基本处理方法113
8.2 医疗辅助平台115
8.3 患者随访机器人技术121
8.4 小结128
第9章 教育领域应用129
9.1 教育科技发展与应用前景130
9.2 自适应学习系统136
9.3 多语言教学助手144
9.4 小结149
第10章 模型轻量化与部署优化150
10.1 模型效率与性能的基础知识151
10.2 模型量化技术156
10.3 模型知识蒸馏技术161
10.4 模型剪枝技术169
10.5 低资源环境部署策略175
10.6 小结176
第11章 系统监控与迭代优化177
11.1 输出质量评估体系178
11.2 日志分析和热更新机制187
11.3 用户反馈收集与模型优化循环198
11.4 小结210
第12章 伦理与合规211
12.1 人工智能伦理基础概念212
12.2 数据隐私保护212
12.3 内容安全审核220
12.4 小结240
参考文献241
第1章 人工智能与大模型入门1
1.1 人工智能与大模型发展背景2
1.2 大模型的工作原理3
1.3 大模型发展历程与技术演进4
1.4 常见大模型对比6
1.5 小结7
第2章 大模型应用开发环境与工具链8
2.1 开发环境配置与核心工具链9
2.2 本地化部署方案14
2.3 应用程序接口调用基础17
2.4 小结18
第3章 提示工程与交互设计19
3.1 提示工程的概念与实践20
3.2 动态模板与多风格控制22
3.3 CoT与多步骤推理框架25
3.4 小结28
第4章 检索增强生成（RAG）系统29
4.1 RAG基本原理与架构30
4.2 知识库构建完整流程34
4.3 法律合同审核工具38
4.4 小结42
第5章 智能体开发体系43
5.1 智能体定义与基础架构44
5.2 任务编排框架50
5.3 多智能体协作架构56
5.4 边缘计算轻量化智能体62
5.5 MCP63
5.6 小结69
第6章 多模态应用开发70
6.1 多模态系统基本概念与架构71
6.2 工业质检多模态方案84
6.3 多模态交互界面设计原则88
6.4 小结91
第7章 金融领域应用92
7.1 金融数据分析基础93
7.2 智能投顾系统104
7.3 自动化合规审查108
7.4 小结111
第8章 医疗领域应用112
8.1 医疗数据的概念及基本处理方法113
8.2 医疗辅助平台115
8.3 患者随访机器人技术121
8.4 小结128
第9章 教育领域应用129
9.1 教育科技发展与应用前景130
9.2 自适应学习系统136
9.3 多语言教学助手144
9.4 小结149
第10章 模型轻量化与部署优化150
10.1 模型效率与性能的基础知识151
10.2 模型量化技术156
10.3 模型知识蒸馏技术161
10.4 模型剪枝技术169
10.5 低资源环境部署策略175
10.6 小结176
第11章 系统监控与迭代优化177
11.1 输出质量评估体系178
11.2 日志分析和热更新机制187
11.3 用户反馈收集与模型优化循环198
11.4 小结210
第12章 伦理与合规211
12.1 人工智能伦理基础概念212
12.2 数据隐私保护212
12.3 内容安全审核220
12.4 小结240
参考文献241
